Рендзю (семинар) — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(Репозитории)
Строка 26: Строка 26:
 
|-
 
|-
 
| Умник || ...
 
| Умник || ...
 +
|-
 +
| Леша || https://github.com/gamers5a/renju
 
|}
 
|}
  

Версия 15:02, 17 ноября 2016

Описание проекта.

Правила игры

Общение с ментором вне занятий приветствуется. Можно задавать вопросы, в том числе философские. Но перед тем, как написать, попробуйте спросить это у Яндекса. Также не обижайтесь, если в ответ вам пришла ссылка на документацию или какую-то статью.

Ключевые точки

Сверху нам спущены ключевые точки выполнения проекта. Для нас они скорее явлются формальными, тем не менее мы должны их соблюдать.

  1. 12-17 декабря - все включились в работу
  2. 20-25 марта - реализован объем работ, необходимый для зачета
  3. 30 мая - 3 июня - окончание проектной работы, вы готовы, как пионеры.
  4. начало июня - конкурс проектов.

Правило 2Х

У вас есть право на одну ошибку. Следующая - я отказываюсь с вами работать.

Репозитории

Ментор https://github.com/dasimagin/renju
Красавчик ...
Умник ...
Леша https://github.com/gamers5a/renju

Семинары

S02.11

  1. Признаки и какие они бывают. Об отборе признаков, кратко тут. Может помочь на конкурсе.
  2. Задача бинарной классификации.
  3. Градиентный спуск.
  4. Стохастический градиентный спуск. На английской вике больше интересной информации.

Для дополнительного чтения:

  1. Что полезно знать о машинном обучении.
  2. Английская вика про признаки
  3. Отбор признаков.
  4. Мощная теоретическая работа про стохастический градиентный спуск.

L1

Ревьюер Разработчик
Богомолов Сопов
Сопов Гринберг
Гринберг Баранов
Баранов Стороженко
Стороженко Богомолов

Для первой лабораторной работы вам потребуется:

  1. Настроить себе pip для Python3
  2. Освоить Jupyter notebook
  3. Установить пакеты scipy: numpy, scipy, matplotlib

Лабораторная будет состоять из нескольких частей:

  1. Изучение градиентного спуска на примере линейного классификатора + несколько теоретических задачек [coming soon...].
  2. Небольшой контест для того, чтобы почувствовать, что такое "много данных" [coming soon...] .